Amazon Web Services ブログ
AWS パートナーネットワーク (APN) – 10 年、そして未来へ強く進む
10 年前、当社はパートナーとお客様のために AWS パートナーネットワーク (APN) をベータ版で立ち上げ […]
AWS Week in Review – 2022 年 4 月 18 日
AWS Week in Review はシリーズとして、毎週 AWS からの興味深いニュースやお知らせをダイジ […]
Amazon SageMaker Ground Truth と Databricks MLflow を用いた MLOps 感情分析パイプラインの構築
より深いインサイトを得るために機械学習(ML)を導入する企業が増える中、ラベリングとライフサイクル管理という2つの重要な課題に直面しています。ラベリングとは、データを確認し、ML モデルがそこから学習できるようにラベルを追加して、データのコンテキストを提供することです。ラベルとは、音声ファイルの文字起こし、写真内の車の位置、または MRI 画像内の臓器の箇所などが該当します。データのラベリングは、ML モデルがデータに対してうまく動作するようにするために必要です。ライフサイクル管理は、ML 実験のセットアップと、結果を得るために使用したデータセット、ライブラリ、バージョン、モデルを文書化するプロセスなどに関係するものです。あるチームは、1つのアプローチに落ち着くまでに何百もの実験を行うかもしれません。その実験の要素を記録しておかないと、過去のアプローチに立ち戻って再現するのは難しいでしょう。
Amazon CloudFront が Server Timing ヘッダーを導入
はじめに Amazon CloudFront は新機能である Server Timing ヘッダーを最近発表し […]
AWS Single Sign-On を使用して Amazon CloudWatch ダッシュボードを共有する
この記事は、Share your Amazon CloudWatch Dashboards with anyo […]
Amazonでの売上を加速させるための需要予測活用の改善
Amazon で商品を販売する消費財企業にとって、需要予測を改善することは収益最大化の大きな一歩となる可能性が […]
スケーラブルなチェックサムの構築
メディア&エンターテインメント業界のお客様は様々なフォーマットのデジタルアセットに触れています。一般的なアセッ […]
消費財業界におけるインバウンド滞留時間の改善戦略
トラック輸送の荷役に関わる滞留時間 インバウンド滞留時間とは、倉庫においてサプライヤー商品の搬入に要する時間の […]
あなたのクラウドキャリアの始め方:Blog #3 – プレゼンテーションスキルの洗練
このブログは 2021 年 7 月 9 日に Shefali Emmanuel (Associate Solu […]
動的なサプライチェーンプラットフォームを構築する方法: 入門書
ダイナミックかつ急速に変化する世界で消費者のニーズを満たすために、組織は先を見越しつつリアルタイムに対応できる […]